農(nóng)商銀行智能化風控探索

熊正超 周 隆

近年來，數(shù)字化轉(zhuǎn)型已成為商業(yè)銀行著力推進的一項基礎性提升工程。2021年12月，中國人民銀行印發(fā)《金融科技發(fā)展規(guī)劃（2022—2025）》；2022年1月，銀保監(jiān)會辦公廳下發(fā)《關于銀行業(yè)保險業(yè)數(shù)字化轉(zhuǎn)型的指導意見》，進一步明確了銀行保險業(yè)的數(shù)字化發(fā)展方向與要求。以數(shù)字化轉(zhuǎn)型優(yōu)化創(chuàng)新銀行的商業(yè)模式，成為推動銀行高質(zhì)量發(fā)展的必由之路。

數(shù)字化轉(zhuǎn)型下銀行風險管理面臨的挑戰(zhàn)

數(shù)字化轉(zhuǎn)型浪潮下，風險管理模式從“經(jīng)驗驅(qū)動”轉(zhuǎn)向“數(shù)據(jù)驅(qū)動”，是銀行邁向高質(zhì)量發(fā)展道路的必經(jīng)之道。傳統(tǒng)風險管理模式依賴個人經(jīng)驗，風險管理水平隨著人為經(jīng)驗的差異和人員的流動而波動。金融風險具有快速傳染和瞬息萬變的特征，客戶業(yè)務結(jié)構(gòu)復雜，客戶數(shù)量眾多，疊加線上業(yè)務非接觸式獲客模式的蓬勃發(fā)展，傳統(tǒng)“經(jīng)驗驅(qū)動”的風險管理模式已難以有效支撐金融機構(gòu)業(yè)務的高質(zhì)量發(fā)展?！皵?shù)據(jù)驅(qū)動”的風險管理模式核心是借助大數(shù)據(jù)和人工智能等新技術，從人為經(jīng)驗和海量數(shù)據(jù)中提煉沉淀有價值的信息，從而提高風險管理的有效性和持續(xù)性。在推進“數(shù)據(jù)驅(qū)動”的風險管理道路上，仍面臨三方面的挑戰(zhàn)。

如何打通各部門、各系統(tǒng)數(shù)據(jù)孤島，構(gòu)建協(xié)同一體化的數(shù)據(jù)平臺。當前商業(yè)銀行風險管理主要以業(yè)務條線為主導，各業(yè)務條線基于各自需求采購數(shù)據(jù)搭建業(yè)務系統(tǒng)，容易造成數(shù)據(jù)標準不統(tǒng)一、系統(tǒng)間數(shù)據(jù)難以對接共享的現(xiàn)象，導致大量數(shù)據(jù)碎片化、局部化、孤島化的狀態(tài)。如何打通各部門、各系統(tǒng)數(shù)據(jù)孤島，構(gòu)建全行層面協(xié)同一體化的數(shù)據(jù)平臺，全面、多維、準確地勾畫全景風險視圖，是當前面臨的第一大挑戰(zhàn)。

如何深入挖掘數(shù)據(jù)應用價值，提升風險管理的效率和質(zhì)量。數(shù)據(jù)是“數(shù)據(jù)驅(qū)動”風險管理模式的核心基礎，如何利用人工智能、機器學習等技術，從宏觀、區(qū)域、行業(yè)、經(jīng)營、財務等海量數(shù)據(jù)中挖掘有價值的信息，刻畫企業(yè)全生命周期特征的動態(tài)曲線；如何識別不同部門、不同崗位、不同權限人員的應用場景，實現(xiàn)多層次、全方位風險數(shù)據(jù)可視化，提升風險管理的效率和質(zhì)量，是當前商業(yè)銀行面臨的第二大挑戰(zhàn)。

如何建立“數(shù)據(jù)驅(qū)動”風險管理的長效機制。商業(yè)銀行“數(shù)據(jù)驅(qū)動”風險管理是一個系統(tǒng)性工程，不僅要建立數(shù)據(jù)、系統(tǒng)、流程等硬性基礎條件，也要從戰(zhàn)略發(fā)展、企業(yè)文化等更高層面樹立長遠眼光，提高“數(shù)據(jù)驅(qū)動”風險管理的現(xiàn)實效能和長遠價值，還要培養(yǎng)風險條線人員的數(shù)商思維、結(jié)構(gòu)化邏輯，不斷提升風險條線人員能力。如何從上述幾方面建立“數(shù)據(jù)驅(qū)動”風險管理的長效機制，是當前面臨的第三大挑戰(zhàn)。

智能風控探索——債券評級預警體系

以上海農(nóng)商銀行為例。該行于2019年開始構(gòu)建信用債投資的準入和預警體系和配套系統(tǒng)平臺，嘗試探索風險管理數(shù)字化轉(zhuǎn)型。

背景

債券市場歷經(jīng)三輪風險調(diào)整后，債券市場違約呈現(xiàn)常態(tài)化特征。根據(jù)“同花順”數(shù)據(jù)，2014—2016年，我國進入供給側(cè)改革階段，鋼鐵、煤炭、有色等產(chǎn)能過剩行業(yè)風險加速出清，2014年“11超日債”違約標志著債券市場剛性兌付打破，2014—2016年，債券市場累計違約規(guī)模406.3億元，涉及60家主體。2017—2019年，貨幣政策收緊、金融嚴監(jiān)管下，影子銀行信用擴張受阻，表外融資持續(xù)收縮，社會融資規(guī)模進一步回落，相較國有企業(yè)，民營企業(yè)融資受限更多，違約規(guī)模不斷上升，2017—2019年，債券市場累計違約規(guī)模為2335.08億元，涉及155家主體。2020—2022年，受新冠疫情影響，經(jīng)濟下行壓力加大，企業(yè)盈利能力下滑，違約主體中國有企業(yè)占比明顯上升。隨著“三道紅線”等調(diào)控政策密集出臺，房地產(chǎn)行業(yè)“高杠桿、快周轉(zhuǎn)”的運營模式難以持續(xù)，信用風險事件時有出現(xiàn)。2020—2022年，債券市場累計違約規(guī)模為3273.16億元，涉及146家主體。

債市逐步取消主體外部評級成為趨勢，建立內(nèi)評預警體系是金融機構(gòu)深化發(fā)展的必經(jīng)之路。信用評級是債券市場重要基礎性制度安排，關系到資本市場健康發(fā)展大局。近年來，我國信用評級行業(yè)取得較快發(fā)展，但也存在評級虛高、區(qū)分度不足等“重市場份額、輕評級質(zhì)量”的問題，導致信用評級的風險預警和投資定價功能未能得到有效發(fā)揮。全球金融危機以來，降低對外部評級的依賴成為國際共識。中國人民銀行、證監(jiān)會和債券交易商協(xié)會也在積極研究取消注冊發(fā)行強制評級要求的分階段方案，引導評級機構(gòu)更多地從投資人角度出發(fā)揭示風險，促進評級行業(yè)和債券市場高質(zhì)量健康發(fā)展。

結(jié)合債券違約常態(tài)化趨勢和逐步取消強制外部評級情況，為提升信用債券風險管理水平，上海農(nóng)商銀行啟動了信用債投資準入和預警體系和系統(tǒng)的建設。

構(gòu)建信用債投資準入和預警體系

上海農(nóng)商銀行信用債風險管理體系（以下簡稱“信用債體系”）立足于解決本行信用債智能風控需求與內(nèi)部數(shù)據(jù)積累不足、基礎模型和方法未本地化落地之間的矛盾。該體系引入了多家評級公司的投資者評級、預警信息、新聞輿情、宏觀行業(yè)、區(qū)域經(jīng)濟、經(jīng)營財務、訴訟處罰等多維度、多層次的外部數(shù)據(jù)，整合了行內(nèi)多部門的內(nèi)部數(shù)據(jù)，通過運用回歸模型、主成分分析、神經(jīng)網(wǎng)絡、人工智能等方法，基于本行風險偏好特征、違約主體的違約特征等不斷校準測試，經(jīng)過多次迭代和專家修正完成了信用債體系的構(gòu)建。

信用債體系包含事前準入、事中預警監(jiān)測、事后處置三個子模塊。事前準入部分設有信用債投資準入體系，綜合運用評級、估值、價格、輿情等數(shù)據(jù)，通過大數(shù)據(jù)挖掘、人工智能等前沿技術，采用定量分析和定性分析相結(jié)合的方法，構(gòu)建了具有較高區(qū)分度的信用債內(nèi)部評級體系，設計了基于本行投資策略、信用風險偏好并考慮完整的全市場發(fā)債主體信用風險序列的信用債投資準入標準；事中預警監(jiān)測部分設有信用債預警體系，每日監(jiān)測債券市場動態(tài)、主體重要輿情、主體評級變動、成交價格波動、估值波動，并將本行信用債納入紅 橙 藍三級預警監(jiān)測體系，提煉出信用風險日報，向業(yè)務部門提示風險，同時建立月度違約概率預測、短期償債流動性風險預警、財務風險預警和二級市場流動性風險預警等專項風險預警，與信用日報高頻數(shù)據(jù)監(jiān)測形成差異化并互相補充；事后處置部分針對事中預警等級的認定結(jié)果設置差異化的處置流程和方案，針對不同層級、不同部門、不同崗位設置逐級、差異化的處置審批權限，在市場化處置時，不同權限對應不同的折價比率和損失金額。伴隨著整個管理體系的不斷實踐應用，該行持續(xù)對相關模型進行優(yōu)化迭代，不斷提升模型的前瞻性和有效性。

信用債體系的建立，統(tǒng)一了該行信用債投資準入和預警的標準、邏輯和流程，提高了信用研究、投資決策、投后管理的科學性、可靠性，更好地支撐了信用債業(yè)務的開展。該體系自建立以來，成功預警了包括華晨汽車集團債券違約在內(nèi)的風險事件，有效規(guī)避了永城煤電控股集團、泰禾集團、紫光集團等違約企業(yè)，大大提升了該行信用債風險管控能力。

打造智能化管理平臺

2021年，為進一步落實“智能化風控”的理念，上海農(nóng)商銀行啟動債券評級預警管理系統(tǒng)（簡稱“信用債系統(tǒng)”）的建設，經(jīng)過一年多的不斷優(yōu)化迭代，目前已初見成效。信用債系統(tǒng)在將全行信用債管理體系線上化的基礎上，進一步提升風控智能化水平，實現(xiàn)輿情監(jiān)測智能化和報表智能化等，同時創(chuàng)新性將綠色金融和城投限額管控融入到體系中，打造成全覆蓋、多維度、智能化的信用債風險監(jiān)測平臺，不同模塊相互配合共同實施風險管理策略，推動信用債管理實現(xiàn)數(shù)字化轉(zhuǎn)型。

構(gòu)建統(tǒng)一全景風險視圖。系統(tǒng)集成全行所有投資組合當前的預警分布情況，并通過可視化的技術清晰展示，點擊預警分布可以向下查看組合項下具體預警的主體詳細信息。系統(tǒng)按交易日的維度監(jiān)控組合的評級和預警等級的變動信息并及時推送給相關業(yè)務部門。系統(tǒng)還監(jiān)控組合項下主體的重要新聞輿情信息，并通過輿情重要性進行排序，將市場最關鍵的輿情推送給業(yè)務部門，減少人工的輿情篩選，提升風險管理效率。

夯實兩大關鍵數(shù)據(jù)基礎。一是整合全行信用債的授信和持倉數(shù)據(jù)，實現(xiàn)統(tǒng)一風險監(jiān)測。授信和持倉數(shù)據(jù)是信用債系統(tǒng)的關鍵基礎數(shù)據(jù)，是系統(tǒng)所有模塊需要調(diào)用的監(jiān)控對象。二是監(jiān)測信用債主體詳情分析數(shù)據(jù)，可展示五個維度的重要信息：主體當前最新的評級和預警等級，共有12類（4類預警+8類評級）；主體所有的評級和預警等級變動情況；主體的重要新聞、輿情智能分析、公告和相關研究報告，研究報告包含聯(lián)合咨詢和中債資信的主體評述報告；主體的歷史財務信息和財務指標；主體的訴訟、行政處罰等外部數(shù)據(jù)。

支撐三大管理應用落地。一是信用債主體準入，系統(tǒng)對信用債主體設有專門的基于行業(yè)和外部評級映射的準入評級模型，按每個交易日的頻率對全市場信用債主體進行準入評級，并按照既定的準入規(guī)則自動攔截不符合準入要求的信用債主體，提升準入的效率，實現(xiàn)準入環(huán)節(jié)智能化；二是信用風險變動的智能監(jiān)控，系統(tǒng)按交易日跟蹤全市場及不同投資組合項下的信用債主體的評級變動、預警等級變動和價格異常變動，以期從上述變動信息中洞察主體信用風險變化并及時推送給業(yè)務部門進行進一步人工排查。智能監(jiān)控目的在于通過信用債主體的變動信息及時發(fā)現(xiàn)主體信用風險的變化，提升信用風險識別能力；三是信用債主體預警，專注于信用債主體的事中風險預警。系統(tǒng)對信用債主體設有專門的預警模型，每日對全市場的信用債主體進行預警等級認定，預警等級按照嚴重級別分為紅色預警、橙色預警和藍色預警，并設計了差異化的處置流程。

打造創(chuàng)新亮點。一是實現(xiàn)城投限額智能化管控。為加強城投風險管理，防范區(qū)域集中度風險，推動業(yè)務持續(xù)健康發(fā)展，該行制定城投債券集中度管理辦法并在信用債系統(tǒng)中實現(xiàn)智能化管控。系統(tǒng)支持初始區(qū)域限額錄入并能夠?qū)λ行庞脗黧w進行“是否是城投”和“城投主體區(qū)域?qū)蛹墶钡亩ㄆ谡J定，認定完成之后，系統(tǒng)按每個交易日的頻率自動調(diào)取每個部門的授信和持倉數(shù)據(jù)對區(qū)域限額使用情況進行計算及展示，對于接近限額的情況進行預警提示。二是創(chuàng)新性引入了綠色金融數(shù)據(jù)，綠色金融數(shù)據(jù)有助于形成信用債風控體系深化完善的新動能，建立傳統(tǒng)金融風險與環(huán)境、社會和治理風險之間的連接關系。信用債系統(tǒng)中的綠色金融數(shù)據(jù)聚焦分析全市場信用債主體在ESG方面的表現(xiàn)，提升對信用債主體信用風險分析的能力。系統(tǒng)創(chuàng)新性地引入外部權威綠色金融評級和預警等級數(shù)據(jù)，包括氣候轉(zhuǎn)型風險預警數(shù)據(jù)（描述經(jīng)濟體向碳清零目標過渡過程中帶來的結(jié)構(gòu)化摩擦風險）、氣候物理風險預警數(shù)據(jù)（描述全球氣溫、海平面、極端天氣等自然現(xiàn)象給金融資產(chǎn)帶來損失的風險）和發(fā)債主體的ESG評級數(shù)據(jù)。為實現(xiàn)綠色金融數(shù)據(jù)和傳統(tǒng)金融數(shù)據(jù)的融合，提升傳統(tǒng)信用風險評級模型的識別能力，該系統(tǒng)在信用債主體準入體系中引入ESG評級的篩選指標，在準入環(huán)節(jié)剔除ESG評級不符合要求的主體。隨著未來外部數(shù)據(jù)的完善和數(shù)據(jù)準確性的提升，綠色金融數(shù)據(jù)將不斷應用至現(xiàn)有系統(tǒng)中。三是智能化報告中心，滿足日常風險管理需求。系統(tǒng)上線之前，各類信用風險報告的撰寫耗時耗力，以信用債風險日報為例，每天需花費2 3個小時人工制作。在實現(xiàn)智能化報告之后，結(jié)構(gòu)化內(nèi)容可一鍵生成，大大提升日常風險監(jiān)控和分析的效率，風控人員可將精力投入到更進一步的深度分析和研究工作中。四是探索搭建金融同業(yè)預警體系。近年來，同業(yè)客戶信用風險開始分化，包商銀行等事件打破了同業(yè)信仰，弱資質(zhì)銀行到期不贖回二級資本債、同業(yè)業(yè)務延期償付、存續(xù)債券信用利差大幅走闊等事件開始出現(xiàn)。針對這一外部環(huán)境的變化，上海農(nóng)商銀行將基于信用債系統(tǒng)，探索打造同業(yè)客戶數(shù)據(jù)中心和輿情中心，并利用積累的數(shù)據(jù)和輿情建立評級預警體系，優(yōu)化、創(chuàng)新和重構(gòu)當前的同業(yè)客戶風險管理模式，深度融合新興技術，提升同業(yè)客戶風險管控能力。